2025年大數(shù)據(jù)分析師技術(shù)操作考試試題及答案一、單項(xiàng)選擇題（每題2分，共30分）1.以下哪種數(shù)據(jù)存儲(chǔ)格式更適合大數(shù)據(jù)分析中的快速讀取操作？A.CSVB.XMLC.ParquetD.JSON答案：C。Parquet是一種列式存儲(chǔ)格式，它在大數(shù)據(jù)分析場(chǎng)景下具有更高效的壓縮率和更快的讀取速度，尤其適合處理大規(guī)模數(shù)據(jù)的分析任務(wù)。相比之下，CSV是文本格式，讀取效率較低；XML和JSON主要用于數(shù)據(jù)交換，在大數(shù)據(jù)分析的快速讀取方面不如Parquet。2.在SQL中，要從表“employees”中選擇所有部門為“Sales”的員工姓名，正確的查詢語(yǔ)句是：A.SELECTnameFROMemployeesWHEREdepartment='Sales';B.SELECTFROMemployeesWHEREdepartment=Sales;C.SELECTnameFROMemployeesWHEREdepartment=Sales;D.SELECTFROMemployeesWHEREdepartment='Sales';答案：A。首先，題目要求只選擇員工姓名，所以使用“SELECTname”而不是“SELECT”。其次，字符串值在SQL中需要用單引號(hào)括起來(lái)，所以部門名稱“Sales”應(yīng)該寫成'Sales'。3.以下哪個(gè)Python庫(kù)主要用于數(shù)據(jù)可視化？A.NumPyB.PandasC.MatplotlibD.Scikit-learn答案：C。Matplotlib是Python中最常用的數(shù)據(jù)可視化庫(kù)，它可以創(chuàng)建各種類型的圖表，如折線圖、柱狀圖、散點(diǎn)圖等。NumPy主要用于數(shù)值計(jì)算，Pandas用于數(shù)據(jù)處理和分析，Scikit-learn用于機(jī)器學(xué)習(xí)。4.在Hadoop生態(tài)系統(tǒng)中，Hive主要用于：A.分布式文件存儲(chǔ)B.數(shù)據(jù)處理和分析C.分布式計(jì)算D.數(shù)據(jù)傳輸答案：B。Hive是建立在Hadoop之上的數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)設(shè)施，它提供了類似于SQL的查詢語(yǔ)言HQL，允許用戶通過(guò)編寫SQL風(fēng)格的語(yǔ)句來(lái)進(jìn)行數(shù)據(jù)處理和分析，而不是用于分布式文件存儲(chǔ)（HDFS負(fù)責(zé)）、分布式計(jì)算（MapReduce、Spark等負(fù)責(zé)）或數(shù)據(jù)傳輸。5.對(duì)于一個(gè)數(shù)據(jù)集，其均值為50，標(biāo)準(zhǔn)差為10。如果一個(gè)數(shù)據(jù)點(diǎn)的值為70，那么該數(shù)據(jù)點(diǎn)的z-score是：A.1B.2C.-1D.-2答案：B。z-score的計(jì)算公式為\(z=\frac{x-\mu}{\sigma}\)，其中\(zhòng)(x\)是數(shù)據(jù)點(diǎn)的值，\(\mu\)是均值，\(\sigma\)是標(biāo)準(zhǔn)差。將\(x=70\)，\(\mu=50\)，\(\sigma=10\)代入公式，可得\(z=\frac{70-50}{10}=2\)。6.在Spark中，以下哪種操作是轉(zhuǎn)換操作？A.collect()B.count()C.map()D.reduce()答案：C。轉(zhuǎn)換操作是惰性的，不會(huì)立即執(zhí)行，而是生成一個(gè)新的RDD（彈性分布式數(shù)據(jù)集）。map()是典型的轉(zhuǎn)換操作，它對(duì)RDD中的每個(gè)元素應(yīng)用一個(gè)函數(shù)。而collect()、count()和reduce()都是行動(dòng)操作，會(huì)觸發(fā)計(jì)算并返回結(jié)果。7.以下哪種算法屬于無(wú)監(jiān)督學(xué)習(xí)算法？A.邏輯回歸B.決策樹(shù)C.K-均值聚類D.支持向量機(jī)答案：C。無(wú)監(jiān)督學(xué)習(xí)算法是在沒(méi)有標(biāo)簽的數(shù)據(jù)集上進(jìn)行學(xué)習(xí)的。K-均值聚類是一種典型的無(wú)監(jiān)督學(xué)習(xí)算法，它將數(shù)據(jù)點(diǎn)劃分為不同的簇。而邏輯回歸、決策樹(shù)和支持向量機(jī)都屬于監(jiān)督學(xué)習(xí)算法，需要有標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練。8.在數(shù)據(jù)分析中，處理缺失值的方法不包括：A.刪除包含缺失值的行B.用均值填充缺失值C.用隨機(jī)數(shù)填充缺失值D.用中位數(shù)填充缺失值答案：C。在處理缺失值時(shí)，常見(jiàn)的方法有刪除包含缺失值的行、用均值、中位數(shù)或眾數(shù)填充缺失值等。用隨機(jī)數(shù)填充缺失值可能會(huì)引入噪聲，破壞數(shù)據(jù)的原有分布和特征，一般不采用這種方法。9.以下哪個(gè)工具可以用于實(shí)時(shí)數(shù)據(jù)處理？A.HadoopB.SparkStreamingC.HiveD.Pig答案：B。SparkStreaming是Spark生態(tài)系統(tǒng)中用于實(shí)時(shí)數(shù)據(jù)處理的組件，它可以處理來(lái)自各種數(shù)據(jù)源的實(shí)時(shí)數(shù)據(jù)流。Hadoop主要用于批量數(shù)據(jù)處理，Hive是數(shù)據(jù)倉(cāng)庫(kù)工具，Pig也是用于批量數(shù)據(jù)處理的腳本語(yǔ)言。10.在SQL中，要對(duì)表“orders”按客戶ID分組，并計(jì)算每個(gè)客戶的訂單總數(shù)，正確的查詢語(yǔ)句是：A.SELECTcustomer_id,COUNT()FROMordersGROUPBYcustomer_id;B.SELECTcustomer_id,SUM()FROMordersGROUPBYcustomer_id;C.SELECTcustomer_id,COUNT()FROMordersORDERBYcustomer_id;D.SELECTcustomer_id,SUM()FROMordersORDERBYcustomer_id;答案：A。要計(jì)算每個(gè)客戶的訂單總數(shù)，需要使用COUNT()函數(shù)。同時(shí)，使用GROUPBY子句按客戶ID進(jìn)行分組。SUM()用于求和，不符合本題要求，而ORDERBY是用于排序，不是分組計(jì)算。11.以下哪種數(shù)據(jù)采樣方法是按照數(shù)據(jù)的順序每隔一定間隔抽取樣本？A.簡(jiǎn)單隨機(jī)采樣B.分層采樣C.系統(tǒng)采樣D.整群采樣答案：C。系統(tǒng)采樣是按照數(shù)據(jù)的順序，每隔一定的間隔抽取樣本。簡(jiǎn)單隨機(jī)采樣是從總體中隨機(jī)抽取樣本，分層采樣是將總體按照某些特征分成不同的層，然后從每層中抽取樣本，整群采樣是將總體分成若干群，然后隨機(jī)抽取一些群作為樣本。12.在機(jī)器學(xué)習(xí)中，過(guò)擬合的表現(xiàn)是：A.模型在訓(xùn)練集和測(cè)試集上的表現(xiàn)都很差B.模型在訓(xùn)練集上的表現(xiàn)很好，在測(cè)試集上的表現(xiàn)很差C.模型在訓(xùn)練集上的表現(xiàn)很差，在測(cè)試集上的表現(xiàn)很好D.模型在訓(xùn)練集和測(cè)試集上的表現(xiàn)都很好答案：B。過(guò)擬合是指模型在訓(xùn)練數(shù)據(jù)上學(xué)習(xí)得過(guò)于精細(xì)，不僅學(xué)習(xí)到了數(shù)據(jù)的真實(shí)規(guī)律，還學(xué)習(xí)到了噪聲和異常值。因此，模型在訓(xùn)練集上的表現(xiàn)很好，但在新的測(cè)試數(shù)據(jù)上的表現(xiàn)很差。13.以下哪個(gè)數(shù)據(jù)庫(kù)是列式數(shù)據(jù)庫(kù)？A.MySQLB.PostgreSQLC.CassandraD.Vertica答案：D。Vertica是一種列式數(shù)據(jù)庫(kù)，它將數(shù)據(jù)按列存儲(chǔ)，適合大數(shù)據(jù)分析場(chǎng)景下的復(fù)雜查詢和聚合操作。MySQL和PostgreSQL是傳統(tǒng)的行式數(shù)據(jù)庫(kù)，Cassandra是分布式的NoSQL數(shù)據(jù)庫(kù)，側(cè)重于高可用性和可擴(kuò)展性。14.在數(shù)據(jù)清洗過(guò)程中，去除重復(fù)數(shù)據(jù)的目的不包括：A.減少數(shù)據(jù)冗余B.提高數(shù)據(jù)的準(zhǔn)確性C.增加數(shù)據(jù)的多樣性D.提高數(shù)據(jù)分析的效率答案：C。去除重復(fù)數(shù)據(jù)可以減少數(shù)據(jù)冗余，避免重復(fù)計(jì)算，從而提高數(shù)據(jù)分析的效率。同時(shí)，重復(fù)數(shù)據(jù)可能會(huì)導(dǎo)致數(shù)據(jù)不準(zhǔn)確，去除它們可以提高數(shù)據(jù)的準(zhǔn)確性。但去除重復(fù)數(shù)據(jù)并不會(huì)增加數(shù)據(jù)的多樣性，反而可能會(huì)減少一些重復(fù)的信息。15.在R語(yǔ)言中，要讀取一個(gè)CSV文件到數(shù)據(jù)框中，使用的函數(shù)是：A.read.table()B.read.csv()C.write.table()D.write.csv()答案：B。read.csv()是R語(yǔ)言中專門用于讀取CSV文件到數(shù)據(jù)框的函數(shù)。read.table()可以讀取一般的文本文件，但需要指定更多的參數(shù)。write.table()和write.csv()是用于將數(shù)據(jù)框?qū)懭胛募暮瘮?shù)。二、多項(xiàng)選擇題（每題3分，共30分）1.以下哪些屬于大數(shù)據(jù)的特點(diǎn)？A.大量（Volume）B.高速（Velocity）C.多樣（Variety）D.低價(jià)值密度（Veracity）答案：ABCD。大數(shù)據(jù)具有大量（Volume）、高速（Velocity）、多樣（Variety）、低價(jià)值密度（Veracity）和真實(shí)性（Value）等特點(diǎn)。大量指數(shù)據(jù)的規(guī)模巨大，高速指數(shù)據(jù)的產(chǎn)生和處理速度快，多樣指數(shù)據(jù)的類型和來(lái)源廣泛，低價(jià)值密度指數(shù)據(jù)中有用信息的比例相對(duì)較低。2.在Python中，以下哪些庫(kù)可以用于數(shù)據(jù)處理和分析？A.NumPyB.PandasC.Scikit-learnD.Seaborn答案：ABC。NumPy提供了高效的多維數(shù)組對(duì)象和相關(guān)的計(jì)算函數(shù)，用于數(shù)值計(jì)算。Pandas用于數(shù)據(jù)處理和分析，提供了數(shù)據(jù)框（DataFrame）等數(shù)據(jù)結(jié)構(gòu)。Scikit-learn是機(jī)器學(xué)習(xí)庫(kù)，也可用于數(shù)據(jù)預(yù)處理等分析工作。Seaborn主要用于數(shù)據(jù)可視化。3.在SQL中，以下哪些關(guān)鍵字可以用于過(guò)濾數(shù)據(jù)？A.WHEREB.HAVINGC.GROUPBYD.ORDERBY答案：AB。WHERE關(guān)鍵字用于在查詢語(yǔ)句中過(guò)濾行數(shù)據(jù)，它在分組之前起作用。HAVING關(guān)鍵字用于在分組之后過(guò)濾分組數(shù)據(jù)。GROUPBY用于分組，ORDERBY用于排序，它們都不是專門用于過(guò)濾數(shù)據(jù)的關(guān)鍵字。4.以下哪些是機(jī)器學(xué)習(xí)中的分類算法？A.線性回歸B.邏輯回歸C.決策樹(shù)D.樸素貝葉斯答案：BCD。邏輯回歸、決策樹(shù)和樸素貝葉斯都是常見(jiàn)的分類算法，用于將數(shù)據(jù)分為不同的類別。線性回歸是用于預(yù)測(cè)連續(xù)數(shù)值的回歸算法，不是分類算法。5.在Hadoop生態(tài)系統(tǒng)中，以下哪些組件與數(shù)據(jù)存儲(chǔ)相關(guān)？A.HDFSB.HBaseC.ZooKeeperD.MapReduce答案：AB。HDFS是Hadoop分布式文件系統(tǒng)，用于大規(guī)模數(shù)據(jù)的存儲(chǔ)。HBase是建立在HDFS之上的分布式列式數(shù)據(jù)庫(kù)，也用于數(shù)據(jù)存儲(chǔ)。ZooKeeper是一個(gè)分布式協(xié)調(diào)服務(wù)，用于管理集群的元數(shù)據(jù)和協(xié)調(diào)任務(wù)。MapReduce是一種分布式計(jì)算模型，用于數(shù)據(jù)處理。6.數(shù)據(jù)可視化的作用包括：A.發(fā)現(xiàn)數(shù)據(jù)中的模式和趨勢(shì)B.更直觀地展示數(shù)據(jù)C.幫助決策者做出決策D.驗(yàn)證數(shù)據(jù)的準(zhǔn)確性答案：ABC。數(shù)據(jù)可視化可以將復(fù)雜的數(shù)據(jù)以直觀的圖表形式展示出來(lái)，幫助分析師發(fā)現(xiàn)數(shù)據(jù)中的模式和趨勢(shì)，同時(shí)也能讓決策者更直觀地理解數(shù)據(jù)，從而做出決策。但數(shù)據(jù)可視化本身并不能驗(yàn)證數(shù)據(jù)的準(zhǔn)確性。7.在Spark中，以下哪些是RDD的特性？A.不可變B.可分區(qū)C.彈性D.可序列化答案：ABCD。RDD是彈性分布式數(shù)據(jù)集，具有不可變（一旦創(chuàng)建就不能修改）、可分區(qū)（數(shù)據(jù)被分成多個(gè)分區(qū)分布在集群中）、彈性（可以在節(jié)點(diǎn)故障時(shí)自動(dòng)恢復(fù)）和可序列化（可以在網(wǎng)絡(luò)中傳輸）等特性。8.處理高維數(shù)據(jù)時(shí)，常用的降維方法有：A.主成分分析（PCA）B.線性判別分析（LDA）C.奇異值分解（SVD）D.K-近鄰算法（KNN）答案：ABC。主成分分析（PCA）、線性判別分析（LDA）和奇異值分解（SVD）都是常用的降維方法，用于減少數(shù)據(jù)的維度，同時(shí)保留數(shù)據(jù)的主要信息。K-近鄰算法（KNN）是一種分類和回歸算法，不是降維方法。9.在數(shù)據(jù)分析中，相關(guān)性分析可以使用以下哪些方法？A.皮爾遜相關(guān)系數(shù)B.斯皮爾曼相關(guān)系數(shù)C.卡方檢驗(yàn)D.方差分析答案：AB。皮爾遜相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)都用于衡量?jī)蓚€(gè)變量之間的相關(guān)性?？ǚ綑z驗(yàn)主要用于檢驗(yàn)兩個(gè)分類變量之間的獨(dú)立性，方差分析用于比較多個(gè)總體的均值是否有顯著差異，它們不屬于相關(guān)性分析方法。10.以下哪些是NoSQL數(shù)據(jù)庫(kù)的特點(diǎn)？A.支持SQL查詢B.靈活的數(shù)據(jù)模型C.高可擴(kuò)展性D.適用于復(fù)雜的事務(wù)處理答案：BC。NoSQL數(shù)據(jù)庫(kù)具有靈活的數(shù)據(jù)模型，不需要預(yù)先定義嚴(yán)格的模式。同時(shí)，它具有高可擴(kuò)展性，能夠處理大規(guī)模的數(shù)據(jù)。NoSQL數(shù)據(jù)庫(kù)通常不支持傳統(tǒng)的SQL查詢，并且在復(fù)雜的事務(wù)處理方面不如關(guān)系型數(shù)據(jù)庫(kù)。三、簡(jiǎn)答題（每題10分，共20分）1.簡(jiǎn)述數(shù)據(jù)清洗的主要步驟和常見(jiàn)方法。數(shù)據(jù)清洗是數(shù)據(jù)分析過(guò)程中的重要環(huán)節(jié)，其主要步驟和常見(jiàn)方法如下：主要步驟：-數(shù)據(jù)收集與理解：首先需要收集相關(guān)的數(shù)據(jù)，并對(duì)數(shù)據(jù)的來(lái)源、結(jié)構(gòu)、含義等進(jìn)行深入了解，明確數(shù)據(jù)的質(zhì)量問(wèn)題可能存在的方向。-數(shù)據(jù)探查：通過(guò)統(tǒng)計(jì)分析、可視化等手段對(duì)數(shù)據(jù)進(jìn)行初步探查，發(fā)現(xiàn)數(shù)據(jù)中的缺失值、異常值、重復(fù)值等問(wèn)題。-問(wèn)題識(shí)別與分類：根據(jù)探查結(jié)果，識(shí)別出具體的數(shù)據(jù)質(zhì)量問(wèn)題，并將其分類，如缺失值問(wèn)題、異常值問(wèn)題、格式問(wèn)題等。-清洗操作執(zhí)行：針對(duì)不同類型的問(wèn)題，選擇合適的方法進(jìn)行清洗。-清洗結(jié)果驗(yàn)證：對(duì)清洗后的數(shù)據(jù)進(jìn)行再次檢查，確保清洗操作達(dá)到了預(yù)期的效果，數(shù)據(jù)質(zhì)量得到了提升。常見(jiàn)方法：-處理缺失值：可以刪除包含缺失值的行或列，但這種方法可能會(huì)導(dǎo)致數(shù)據(jù)丟失。也可以用均值、中位數(shù)、眾數(shù)等統(tǒng)計(jì)量填充缺失值，或者使用插值法進(jìn)行填充。-處理異常值：可以通過(guò)統(tǒng)計(jì)方法（如z-score法）識(shí)別異常值，然后根據(jù)具體情況進(jìn)行修正或刪除。也可以使用聚類分析等方法將異常值歸為不同的類別進(jìn)行處理。-去除重復(fù)數(shù)據(jù)：通過(guò)比較數(shù)據(jù)的關(guān)鍵特征，找出重復(fù)的數(shù)據(jù)并將其刪除，以減少數(shù)據(jù)冗余。-格式標(biāo)準(zhǔn)化：統(tǒng)一數(shù)據(jù)的格式，如日期格式、字符串大小寫等，確保數(shù)據(jù)的一致性。-數(shù)據(jù)轉(zhuǎn)換：對(duì)數(shù)據(jù)進(jìn)行必要的轉(zhuǎn)換，如對(duì)數(shù)轉(zhuǎn)換、歸一化等，以改善數(shù)據(jù)的分布和特征。2.請(qǐng)解釋機(jī)器學(xué)習(xí)中的交叉驗(yàn)證及其作用。交叉驗(yàn)證是一種評(píng)估機(jī)器學(xué)習(xí)模型性能的技術(shù)，它通過(guò)將數(shù)據(jù)集劃分為多個(gè)子集，在不同的子集上進(jìn)行訓(xùn)練和測(cè)試，以更準(zhǔn)確地評(píng)估模型的泛化能力。常見(jiàn)的交叉驗(yàn)證方法有k-折交叉驗(yàn)證和留一交叉驗(yàn)證。在k-折交叉驗(yàn)證中，將數(shù)據(jù)集平均分成k個(gè)互不相交的子集，每次選擇其中k-1個(gè)子集作為訓(xùn)練集，剩下的1個(gè)子集作為測(cè)試集，重復(fù)k次這樣的過(guò)程，最后將k次的評(píng)估結(jié)果取平均值作為模型的最終評(píng)估結(jié)果。留一交叉驗(yàn)證是k-折交叉驗(yàn)證的一種特殊情況，即k等于數(shù)據(jù)集的樣本數(shù)量，每次只留一個(gè)樣本作為測(cè)試集。交叉驗(yàn)證的作用主要有以下幾點(diǎn)：-評(píng)估模型的泛化能力：通過(guò)在不同的子集上進(jìn)行訓(xùn)練和測(cè)試，可以更全面地評(píng)估模型在新數(shù)據(jù)上的表現(xiàn)，避免了因數(shù)據(jù)集劃分的隨機(jī)性導(dǎo)致的評(píng)估結(jié)果不穩(wěn)定。-選擇最優(yōu)模型參數(shù)：在進(jìn)行模型訓(xùn)練時(shí)，通常需要選擇合適的參數(shù)。通過(guò)交叉驗(yàn)證，可以比較不同參數(shù)組合下模型的性能，從而選擇最優(yōu)的參數(shù)。-檢測(cè)過(guò)擬合和欠擬合：如果模型在訓(xùn)練集上的表現(xiàn)很好，但在交叉驗(yàn)證的測(cè)試集上的表現(xiàn)很差，可能存在過(guò)擬合問(wèn)題；如果在訓(xùn)練集和測(cè)試集上的表現(xiàn)都很差，則可能存在欠擬合問(wèn)題。交叉驗(yàn)證可以幫助我們及時(shí)發(fā)現(xiàn)這些問(wèn)題，并采取相應(yīng)的措施進(jìn)行調(diào)整。四、綜合分析題（每題20分，共20分）某電商公司有一份包含用戶購(gòu)買記錄的數(shù)據(jù)集，數(shù)據(jù)集包含以下字段：用戶ID、商品ID、購(gòu)買時(shí)間、購(gòu)買數(shù)量、商品價(jià)格。請(qǐng)你設(shè)計(jì)一個(gè)分析方案，分析該數(shù)據(jù)集以回答以下問(wèn)題：1.找出購(gòu)買次數(shù)最多的前10個(gè)用戶。2.分析不同時(shí)間段（如按月份）的銷售總額變化趨勢(shì)。3.找出最暢銷的前5種商品。分析方案如下：數(shù)據(jù)準(zhǔn)備階段-數(shù)據(jù)導(dǎo)入：將包含用戶購(gòu)買記錄的數(shù)據(jù)集導(dǎo)入到合適的分析工具中，如Python的Pandas庫(kù)或SQL數(shù)據(jù)庫(kù)。-數(shù)據(jù)清洗：檢查數(shù)據(jù)集中是否存在缺失值、異常值和重復(fù)值。對(duì)于缺失值，可以采用合適的方法進(jìn)行填充或刪除；對(duì)于異常值，進(jìn)行識(shí)別和修正；對(duì)于重復(fù)值，予以去除。-數(shù)據(jù)類型轉(zhuǎn)換：確保各字段的數(shù)據(jù)類型正確，如將購(gòu)買時(shí)間字段轉(zhuǎn)換為日期時(shí)間類型，以便后續(xù)按時(shí)間段進(jìn)行分析。具體分析步驟1.找出購(gòu)買次數(shù)最多的前10個(gè)用戶-使用SQL語(yǔ)句：```sqlSELECTuser_id,COUNT()aspurchase_countFROMpurchase_recordsGROUPBYuser_idORDERBYpurchase_countDESCLIMIT10;```-使用Python的Pandas庫(kù)：```pythonimportpandasaspd讀取數(shù)據(jù)集data=pd.read_csv('purchase_records.csv')按用戶ID分組并計(jì)算購(gòu)買次數(shù)purchase_count=data.groupby('user_id').size().reset_index(name='purchase_count')按購(gòu)買次數(shù)降序排序并取前10個(gè)用戶top_10_users=purchase_count.sort_values(by='purchase_count',ascending=False).head(10)print(top_10_users)```2.分析不同時(shí)間段（按月份）的銷售總額變化趨勢(shì)-使用SQL語(yǔ)句：```sqlSELECTMONTH(purchase_time)asmonth,SUM(purchase_quantityproduct_price)astotal_salesFROMpurchase_recordsGROUPBYMONTH(purchase_time)ORDERBYMONTH(purchase_time);```-使用Python的Pandas庫(kù)：```python將購(gòu)買時(shí)間轉(zhuǎn)換為日期時(shí)間類型data['purchase_time']=pd.to_datetime(data['purchase_time'])按月份分組并計(jì)算銷售總額monthly_sales=data.groupby(data['purchase_time'].dt.month).apply(lambdax:(x['purchase_quantity']x['product_price']).su